二十世纪七十年代到现在,经过几十年的发展,计算机视觉技术已经获得了长足的进步。基于监控视频的人脸跟踪技术业已成为了当前研究的一个热点。在电视电话会议、智能监控、人机交互、智慧城市、平安城市等应用中,我们都可见人脸跟踪技术的身影。然而基于监控视频的人脸跟踪技术在当前的实际应用中,却仍然面临着很多的挑战,主要为:一是监控视频的拍摄环境的问题,由于监控视频大都是在非受控的自然条件和不同场合下拍摄的,这就使得不同视频乃至同一视频的不同帧中都会出现不同光照,不同背景的情况;二是视频中同一跟踪目标的不同姿态的问题,视频中的某一跟踪目标在视频拍摄期间的运动是随机的,并不总是正面镜头,且也经常会被障碍物部分或全部遮挡。这些都是人脸识别和跟踪的研究中所不易被解决的问题。设计出实现效率高,鲁棒性能好,实时性能强的人脸跟踪技术是广大科研工作者所共同追求的目标。对视频中的目标人脸进行跟踪之前,需要对该目标人脸进行检测,故本文在前人研究成果的基础上,从人脸检测和人脸跟踪两个方面,对监控视频中目标人脸跟踪的问题进行了深入的研究,并取得了如下的成果:1.在人脸检测方面,对于传统的Adaboost算法在进行人脸检测时,需要遍历待检测图像中的所有子窗口造成检测速度慢的问题,本文提出了将肤色分割与改进后的Adaboost算法相结合再进行人脸检测的解决方案。算法首先在YCgCr与YCgCb空间中进行肤色分割,将每一视频帧中的肤色区域与非肤色区域有效地分隔开来,然后再对保留的肤色区域进行形态学操作,并在经过形态学处理所得的肤色区域中引入人脸几何特征,对疑似人脸区域做进一步限定,排除非人脸区域的干扰,尽可能地减少Adaboost算法的搜索区域,从而提高人脸检测速度。实验结果表明,改进后的Adaboost算法的人脸检测速度有了明显的提高且检测效果也得到了明显提升。2.在人脸跟踪部分,对于传统的Camshift人脸跟踪算法在对目标人脸进行跟踪时,容易受到视频帧图像中人体的非脸部肤色区域以及图像背景中类肤色区域的干扰而造成跟踪效果较差的问题,本文提出了一种基于肤色分割的改进Camshift人脸跟踪算法,即将肤色分割和改进后的Adaboost人脸检测算法与传统的Camshift人脸跟踪算法相结合,来实现对监控视频中目标人脸的跟踪。实验结果表明,这种方法的跟踪结果比较可靠,而且跟踪的实时性也较好。